Diagnosing Multiple Faults using Multiple Context Spaces

다중 상황공간을 이용한 다중 오류의 고장 진단

Diagnostic problem solving is a major application area of knowledge-based systems research. However, most of the current approaches, both heuristic and model-based, are designed to identify single faults, and do not generalize easily to multiple fault diagnosis without exhibiting exponential behavior in the amount of computation required. In this paper, we employ a decomposition approach based on system configuration to generate an efficient algorithm for multiple fault diagnosis. The basic idea of the algorithm is to reduce the inherent combinatorial explosion that occurs in generating multiple faults by partitioning the circuit into groups that correspond to output measurement points. Rules are multiple faults by partitioning the circuit into groups that correspond to output measurement points. rules are developed for combining candidates from individual groups, and forming consistent sets of minimal candidates.

고장진단 문제는 지식기반 시스템를 이용해 해결하려는 시도가 많이 있어왔다. 그러나 대부분의 방식은 휴리스틱 또는 모델기반 방식으로 단일 오류에 대한 문제에 많은 노력이 이루어져 왔다. 단일 오류에 대한 고장진단문제 해결방식을 다중 오류진 단으로 확대할 때 발생하는 지수적인 계산비용은 피할 수 없는 문제점으로 지적되어 왔다. 이 논문에서는 시스템 구성에 따라 블록으로 구분하면 전체 탐색 영역을 국소 화할 수 있다는 점에 착안하여 다중 오류 진단을 위한 효율적인 알고리즘을 제안한 다. 이 알고리즘의 기본 원리는 오류진단을 위한 출력값 측정 지점에 따라 전체 회로 를 블록으로 나누고 다중오류에 대한 발생원인의 지수적 증가를 줄임으로 효율화 시 킬 수 있다. 각각의 블럭으로부터 발생하는 오류에 대해 결합하는 규칙을 개발하고 이를 통해 상호 논리적인 모순이 없는 최소 오류원인 집합을 구한다.